發(fā)布時(shí)間：2017-04-29 20:05

  本文關(guān)鍵詞：Docker生物云計(jì)算平臺(tái)分析松材線蟲高通量測(cè)序數(shù)據(jù)的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著二代測(cè)序技術(shù)在生命科學(xué)研究領(lǐng)域的廣泛應(yīng)用,生物學(xué)家們正面臨生物大數(shù)據(jù)處理、分析的挑戰(zhàn),同時(shí)生物大數(shù)據(jù)也將成為生命科學(xué)領(lǐng)域創(chuàng)新的源泉,對(duì)這些數(shù)據(jù)創(chuàng)新性的管理和應(yīng)用,將為生命科學(xué)及相關(guān)產(chǎn)業(yè)領(lǐng)域帶來(lái)一次新的革命。高通量測(cè)序技術(shù)的發(fā)展,推動(dòng)序列數(shù)據(jù)的迅速增長(zhǎng),普通實(shí)驗(yàn)室也可以達(dá)到PT級(jí)生物測(cè)序數(shù)據(jù)量,如此大規(guī)模的數(shù)據(jù)的有效存儲(chǔ)、高效分析、共享利用,都是我們面對(duì)的難題,對(duì)高性能計(jì)算也提出了嚴(yán)峻的挑戰(zhàn)。目前已測(cè)序的物種也只是一小部分而已,已完成測(cè)序的物種相關(guān)數(shù)據(jù)的分析也不深入。在算法優(yōu)化、軟件并行化、流程自動(dòng)化、大規(guī)模數(shù)據(jù)存儲(chǔ)、處理及深度分析等層面,有亟待的工作需要廣泛開展。針對(duì)新一代測(cè)序數(shù)據(jù)量大、數(shù)據(jù)處理過程復(fù)雜、對(duì)計(jì)算資源要求高等特點(diǎn),云計(jì)算提供了一種有效的解決途徑,云架構(gòu)下的平臺(tái)搭建,存儲(chǔ)、計(jì)算軟件開發(fā),工作流框架正在不斷發(fā)展完善,并在未來(lái)的生物大數(shù)據(jù)分析、存儲(chǔ)方面發(fā)揮著重要作用。Docker是PaaS提供商dotCloud提供的一款基于LXC (LinuX Contai-ners)開源項(xiàng)目。Docker目前在云計(jì)算領(lǐng)域迅速發(fā)展,包括dotCloud、Google Compute Engine和百度應(yīng)用引擎(BAE),都使用了Docker。LXC是一種共享Kernel的操作系統(tǒng)級(jí)別的虛擬化解決方案,通過在執(zhí)行時(shí)不重復(fù)加載內(nèi)核,且虛擬容器(Container)與宿主機(jī)(Host)之間共享內(nèi)核來(lái)加快啟動(dòng)速度和減少內(nèi)存消耗。相比較傳統(tǒng)的虛擬化,基于LXC的輕量虛擬化Docker可以做到啟動(dòng)快且占用資源少。因此,Docker是良好的構(gòu)建云計(jì)算的架構(gòu),Docker正在給云計(jì)算帶來(lái)一場(chǎng)革新,Docker可以靈活地封裝軟件,令其更快速地傳播。Docker技術(shù)的實(shí)現(xiàn)意味著,如果在一臺(tái)筆記本上編寫了一個(gè)軟件,可以將它移動(dòng)到本地服務(wù)器或云服務(wù)器,而不需要做任務(wù)改變。這一直都是云計(jì)算的目標(biāo)：互聯(lián)網(wǎng)就是一臺(tái)巨型計(jì)算機(jī)。生物大數(shù)據(jù)也具有數(shù)據(jù)量大(Volume)、數(shù)據(jù)多樣化(Variety)、有價(jià)值(Value)、高速(Velocity)的“4V”大數(shù)據(jù)特點(diǎn),Docker的便捷、高效的特點(diǎn)適應(yīng)了生物大數(shù)據(jù)發(fā)展的需求,所以Docker生物云計(jì)算平臺(tái)是應(yīng)對(duì)生物大數(shù)據(jù)的最佳方案,本文Docker技術(shù)為基礎(chǔ)進(jìn)行了深入研究和探討其在生物大數(shù)據(jù)分析方面的應(yīng)用開發(fā),并將開發(fā)的ubuntu14.04_biodocker生物云計(jì)算平臺(tái)應(yīng)用于松材線蟲的高通量測(cè)序數(shù)據(jù)個(gè)性化分析中,為分析、處理高通量測(cè)序產(chǎn)生的生物大數(shù)據(jù)提供一種方法和思路。研究?jī)?nèi)容如下：(1) Docker在Ubuntu操作系統(tǒng)中的安裝及基本的Docker命令。(2) Docker中的數(shù)據(jù)管理及基本命令的探討：數(shù)據(jù)存儲(chǔ)及管理是Docker技術(shù)的一個(gè)重要內(nèi)容,我們探討了如何在容器中掛載主機(jī)的數(shù)據(jù)及如何創(chuàng)建數(shù)據(jù)容器等一些內(nèi)容。(3)基于ubuntu-14.04-x86_64. tar. gz模板,創(chuàng)建ubuntu14.04 biodocker基礎(chǔ)鏡像,由于一些分析軟件依賴許多環(huán)境,所以我們選擇的一個(gè)較完整的系統(tǒng)作為基礎(chǔ)鏡像。(4)基于ubuntu14.04_biodocker基礎(chǔ)鏡像,我們深入探討了使用三種方法在鏡像中安裝基因組,轉(zhuǎn)錄組,宏基因組等相關(guān)軟件及處理原始數(shù)據(jù)的腳本,構(gòu)建了ubuntu14.04_biodocker生物云計(jì)算平臺(tái)鏡像。該生物云計(jì)算平臺(tái)鏡像可以快速、高效的移植到任何一臺(tái)linux內(nèi)核的操作系統(tǒng)平臺(tái),無(wú)論是單機(jī)、集群,谷歌或亞馬遜的云服務(wù)。方便了高通量測(cè)序數(shù)據(jù)分析平臺(tái)在不同硬件環(huán)境、不同操作系統(tǒng)之間的無(wú)縫遷移。可以讓生物研究者把更多時(shí)間和精力集中在數(shù)據(jù)分析及探討生物學(xué)問題上,而不必為這些軟件安裝及軟件運(yùn)行兼容性、環(huán)境依賴這些運(yùn)維層面的技術(shù)而困擾,我們根據(jù)上述的鏡像分別在個(gè)人電腦、廈門大學(xué)數(shù)據(jù)挖掘組的服務(wù)器上搭建了ubuntu14.04_biodocker生物云計(jì)算平臺(tái)進(jìn)行了高通量測(cè)序數(shù)據(jù)的分析、挖掘。(5)利用平臺(tái)我們基于松材線蟲全基因組構(gòu)建了全基因組分泌蛋白基因家族的基因序列、蛋白序列,并且進(jìn)行了功能注釋。結(jié)果表明,松材線蟲有923個(gè)分泌蛋白基因,僅有93個(gè)基因得到注釋,其余90%的分泌蛋白均為松材線蟲所特有,值得我們更加關(guān)注和有待于更深入的研究。我們還對(duì)松材線蟲基因組進(jìn)行了SSR定位及引物開發(fā),在松材線蟲全基因組中搜索到12135個(gè)SSR,開發(fā)出1155個(gè)引物,我們又把這些信息轉(zhuǎn)換成gff3格式文件,可以在基因組瀏覽器中更直觀方便的觀察這些SSR位置、類型、長(zhǎng)度、引物等詳細(xì)信息。(6)利用平臺(tái)我們基于轉(zhuǎn)錄組的松材線蟲、擬松材線蟲分泌蛋白差異表達(dá)及分子進(jìn)化研究。結(jié)果表明,松材線蟲、擬松材線蟲轉(zhuǎn)錄組共表達(dá)800個(gè)分泌蛋白,其中294個(gè)分泌蛋白為二者差異表達(dá)顯著,并對(duì)這些蛋白進(jìn)行了注釋和分析。在松材線蟲、擬松材線蟲498個(gè)分泌蛋白同源基因中篩選出16個(gè)基因的Ka/Ks值顯著大于1,并且達(dá)到了統(tǒng)計(jì)學(xué)上差異顯著的水平,表明這些基因受到強(qiáng)烈的自然選擇作用,為適應(yīng)環(huán)境功能上發(fā)生了極顯著的進(jìn)化。(7)利用平臺(tái)我們研究了基于轉(zhuǎn)錄組的松材線蟲、擬松材線蟲直系同源基因的研究及。結(jié)果表明,松材線蟲、擬松材線蟲與秀麗線蟲、根結(jié)線蟲同源基因及其差異表達(dá),近緣物種上都得到的大量同源基因,為我們基因功能注釋及研究提供可靠的信息,而在遠(yuǎn)緣物種擬南芥、毛果楊獲得了同源基因?yàn)槲覀冄芯克刹木�蟲與寄主植物的互作提供參考。(8)利用平臺(tái)我們研究了基于宏基因組的松材線蟲與其伴生菌的水平轉(zhuǎn)移基因。結(jié)果表明,通過計(jì)算比較GC含量方法得到15個(gè)松材線蟲與共生菌之間的水平轉(zhuǎn)移基因,這些基因大部分都是具有重要生理生化功能,為研究松材線蟲與其伴生菌協(xié)同進(jìn)化提供了有力證據(jù)。
【關(guān)鍵詞】：松材線蟲 Docker 云計(jì)算 基因組 轉(zhuǎn)錄組 宏基因組
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：S763.18;TP311.13
【目錄】：

• 摘要3-5
• Abstract5-11
• 1 緒論11-26
• 1.1 引言11-13
• 1.2 高通量測(cè)序產(chǎn)生的生物大數(shù)據(jù)13-19
• 1.2.1 高通量測(cè)序技術(shù)及應(yīng)用概述13-15
• 1.2.2 生物大數(shù)據(jù)分析流程及方法15-16
• 1.2.3 生物大數(shù)據(jù)分析計(jì)算的挑戰(zhàn)16-17
• 1.2.4 松材線蟲高通量測(cè)序數(shù)據(jù)現(xiàn)狀17-19
• 1.3 Docker與云計(jì)算概述19-24
• 1.3.1 Docker云計(jì)算時(shí)代的應(yīng)用容器引擎19-21
• 1.3.2 Docker特性及原理21-22
• 1.3.3 Docker體系架構(gòu)22-24
• 1.4 本項(xiàng)目研究的目的意義24-26
• 2 Docker生物云計(jì)算平臺(tái)的搭建26-43
• 2.1 材料方法26-41
• 2.1.1 Docker的安裝及基本命令26-29
• 2.1.2 Docker創(chuàng)建鏡像的三種方法29-32
• 2.1.3 Docker的數(shù)據(jù)管理及常用命令32-33
• 2.1.4 Docker生物云計(jì)算平臺(tái)鏡像的構(gòu)建33-41
• 2.2 本章小結(jié)41-43
• 3 Docker生物云計(jì)算平臺(tái)在基因組研究中的應(yīng)用43-50
• 3.1 材料方法43-46
• 3.1.1 松材線蟲全基因組泌蛋白基因家族研究43-44
• 3.1.2 松材線蟲全基因組SSR引物開發(fā)及可視化研究44-46
• 3.2 結(jié)果與分析46-48
• 3.2.1 松材線蟲全基因組泌蛋白基因家族研究結(jié)果與分析46-47
• 3.2.2 松材線蟲全基因組SSR引物開發(fā)及可視化結(jié)果與分析47-48
• 3.3 本章小結(jié)48-50
• 4 Docker生物云計(jì)算平臺(tái)在轉(zhuǎn)錄組研究中的應(yīng)用50-62
• 4.1 材料方法50-54
• 4.1.1 基于轉(zhuǎn)錄組的松材線蟲、擬松材線蟲同源基因識(shí)別及差異表達(dá)研究50-52
• 4.1.2 基于轉(zhuǎn)錄組的松材線蟲、擬松材線蟲分泌蛋白差異表達(dá)及進(jìn)化研究52-54
• 4.2 結(jié)果與分析54-60
• 4.2.1 松材線蟲、擬松材線蟲同源基因差異表達(dá)結(jié)果與分析54-58
• 4.2.2 松材線蟲分泌蛋白差異表達(dá)及進(jìn)化研究結(jié)果與分析58-60
• 4.3 本章小結(jié)60-62
• 5 Docker生物云計(jì)算平臺(tái)在宏基因組研究中的應(yīng)用62-67
• 5.1 材料方法62-64
• 5.1.1 基于宏基因組的松材線蟲水平轉(zhuǎn)移基因識(shí)別研究62-64
• 5.2 結(jié)果與分析64-66
• 5.2.1 基于宏基因組的松材線蟲水平轉(zhuǎn)移基因識(shí)別結(jié)果與分析64-66
• 5.3 本章小結(jié)66-67
• 結(jié)論67-70
• 參考文獻(xiàn)70-78
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文78-79
• 致謝79-80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 ;KaKs_Calculator 2.0:A Toolkit Incorporating Gamma-Series Methods and Sliding Window Strategies[J];Genomics Proteomics & Bioinformatics;2010年01期

2 李喬;鄭嘯;;云計(jì)算研究現(xiàn)狀綜述[J];計(jì)算機(jī)科學(xué);2011年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 常秦;宏基因組數(shù)據(jù)分析中的統(tǒng)計(jì)方法研究[D];山東大學(xué);2012年

  本文關(guān)鍵詞：Docker生物云計(jì)算平臺(tái)分析松材線蟲高通量測(cè)序數(shù)據(jù)的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：335511